返回主页
Project retrospective / 2026.03 - Present
oppachikin
不只是给一家炸鸡店做官网——
而是交付一套从顾客下单、支付、配送到
内部排班、薪资结算的运营系统。
交付周期
5 周 从 0 到生产级电商系统系统范围
对外 + 对内 顾客下单与门店运营一起设计上线状态
已上线 跑通支付 · 收到真实付款订单上线风控
1 周 集中复核支付、回调与限流01 / 对外 · 顾客的体验
从「只能打电话」到「官网自助下单」
before after
- 下单渠道只能打电话、或到店点单（在 Instagram 看到也只能打电话） Instagram 链接一点直达官网，随时自助下单
- 配送透明度下单前根本不知道能不能送、运费多少 官网下外卖单，支付时即可显示配送费
- 支付方式付款只能到店、只能用现金 Alfa Bank 电子支付，全程电子化
- 订单追踪下单后只能干等，不知道做没做、送到哪 全程实时查看订单与配送状态
02 / 对内 · 门店的运营
从「靠人盯、手动办」到「自动流转、一键搞定」
这部分顾客看不到，却是把老板和员工从重复的盯人、统计、结算里解放出来的地方。
before after
- 接单出餐店员只能在店里接单、现场制作 网站下单自动推送 Telegram 员工群，一键接单；
点「制作完成」顾客同步看到状态 - 配送调度送外卖全靠员工手动叫车 对接 Yandex B2B API，制作完成自动叫车
- 员工排班员工排班靠群里接龙，乱、还容易漏 每周用 Telegram bot 一键自助选班
- 工时薪资老板每到月底手动统计工时、算工资 bot 自动累计工时、直接算好工资
- 会员留存回头客全靠老板记、留不住 会员积分自动沉淀回头客
03 / Delivery automation
配送定价：用数据敲运费，不靠拍脑袋
配送是最容易亏钱的环节。运费不靠感觉——按距离 × 时段，用真实采样数据生成价格表；出餐后自动发车，超距等异常转人工兜底。
怎么定价
用真实采样数据按「距离 × 时段」定档
8 个固定点位（0.9–12km） × 约 5 天连续采样 = 2,592 条采样
Vercel Cron 每 10 分钟采一次 Yandex 实时报价，写入 Supabase；再按距离 × 时段（平峰 / 轻高峰 / 强高峰）定档，生成给顾客的价格表。
怎么发车
正常自动，异常永远有人工兜底
出餐后系统按当前运价自动发车；超 12km、异常订单自动转人工——不让系统在边界情况上硬扛。
采样
2,592 条真实样本 Cron 每 10 分钟采 8 个固定点位。定价
按距离 × 时段定档 可复算、不拍脑袋，价格有据可依。兜底
异常永远转人工 超 12km、失败回退不让系统硬扛。04 / Security audit
上线前最重要的一步：安全审计
功能能跑只是第一步。上线前，我集中补齐支付、回调、验签和限流等风险点，让系统经得起真实付款和真实流量。
支付回调重复
同一笔成功回调可能被银行重试多次。
用订单状态做幂等判断，重复回调返回成功但不再触发副作用。
金额篡改
前端传来的价格能被用户篡改。
付款前在服务端根据商品 ID 重新计算总价，前端价格只用于展示。
Webhook 伪造
公开 URL 可能被伪造、冒充 Telegram。
校验 secret token，密钥不匹配的请求直接拒绝。
验证码刷量
短信验证码是真成本，接口不设限会被刷量烧钱。
用 Upstash Redis 按 IP + 手机号双维度限流。
05 / AI agents collaboration
AI 没有替我思考，但它放大了我的判断
这个项目最像我简历里那句话：把流程交给 AI agents。前提是，我先把业务规则、风险边界和取舍想清楚。
我负责
- 理解真实门店的操作习惯
- 判断哪些风险上线前必须补
- 把“经验”转成可验证的数据假设
- 决定哪里自动化，哪里保留人工兜底
AI agents 负责
- 拆解 API 对接路径
- 生成和重构 TypeScript 代码
- 辅助定位支付、Webhook、Cron 问题
- 把安全 checklist 落到具体实现